本文主要介绍了如何利用PandasAI这个工具进行对话式的数据分析，包括安装、引入SmartDataFrame、生成和分析数据以及绘制图表等步骤，并提醒读者注意大模型生成的结果需要进一步验证
PandasAI 是一个能让数据分析变得更加有趣的库，它充分利用了 Pandas 的强大功能，并结合大型语言模型的优势，使得用户能够以日常对话的方式进行数据分析
例如，你问 PandasAI：累计购买次数最多的客户是谁？PandasAI 会直接告诉你答案，而不你用去写很多代码，也不用做一些繁琐的操作
那么，具体应该怎么用 PandasAI 进行对话式的数据分析呢？首先，你需要安装 PandasAI，如果你还没有安装的话，可以在数据分析环境的 Jupyter Notebook 中运行以下命令：!pip install pandasai其次，用以下代码，引入智能数据框 SmartDataframe：from pandasai import SmartDataframe接下来，为了方便演示 PandasAI 的功能，我们模拟生成一些数据：import numpy as npimport pandas as pdfrom faker import Faker# 创建数据生成器fake = Faker(‘zh_CN’)# 设置随机种子以确保可重复的结果np.random.seed(0)fake.random.seed(0)# 生成数据集data = { ‘客户姓名’: [fake.name() for _ in range(100)], ‘性别’: [fake.random.choice([‘男’, ‘女’]) for _ in range(100)], ‘年龄’: np.random.randint(18, 70, size=100), ‘所在省份’: [fake.province() for _ in range(100)], ‘最近购买时间’: [fake.date_between(start_date=’-2y’, end_date=’today’) for _ in range(100)],‘累计购买次数’: np.random.randint(1, 20, size=100),‘累计购买金额’: np.random.normal(loc=1000, scale=500, size=100)}# 累计购买金额与累计购买次数的合理比例data[“累计购买金额”] = [round(times np.random.uniform(500, 800), 2) for times in data[“累计购买次数”]]# 创建 DataFramedf = pd.DataFrame(data)你可以把数据替换为自己的数据，比如从 Excel 文件或数据库中读取数据
然后，你可以开始调用大模型来分析数据
PandasAI 默认使用的大语言模型是 BambooLLM，你可以在 https://pandabi.ai 上用邮箱进行注册，免费获取你的 API 密钥，并复制到下面的代码中
import osos.environ[‘PANDASAI_API_KEY’] = “把你的 API 密钥复制到这里”sdf = SmartDataframe(df)现在，你就可以用自然语言与 PandasAI 进行对话式的数据分析，例如：你还可以用下面的命令，把 PandasAI 最近执行的代码显示出来，确认它不是胡说八道，而是经过严格的数学计算
print(sdf.last_code_generated)需要注意的是：大模型生成的分析结果，虽然可以提供有价值的参考，但并非 100% 准确可靠
在实际应用中，我们需要加强验证，并对最终的结果负责
你还可以让 PandasAI 帮你绘制图表，例如：sdf.chat(“请用直方图展示客户年龄分布”)因为中文字体的原因，此时系统可能会报错
你可以把系统报错的信息发给 AI，例如：参考 AI 提供的方法，稍微修改一下提示词：sdf.chat(“请用直方图展示客户年龄分布，并用 plt.rcParams[‘font.sans-serif’] = [‘SimHei’] 来正常显示中文标签”)重新运行之后，正常情况下就能得到一张图表如下：你甚至可以提出一些额外的要求，例如：sdf.chat(“请用直方图展示客户年龄分布，并用 plt.rcParams[‘font.sans-serif’] = [‘SimHei’] 来正常显示中文标签，上面的标题用 16 号字体
”)运行结果如下：最后，你还可以按照自己的想法，提出自己的要求，只要你的意思表达清晰明确，PandasAI 通常都会给你相应的回答
例如： sdf.chat(“请对数据绘制相关性矩阵图，总之，PandasAI 能够从日常对话中，智能识别用户的意图，并生成相应的数据分析结果，帮助我们更加高效地处理和分析数据
本文由人人都是产品经理作者【林骥】，微信公众号：【林骥】，原创/授权 发布于人人都是产品经理，未经许可，禁止转载
题图来自Unsplash，基于 CC0 协议

（图片来源网络，侵删）